Interpretation von Ergebnissen

Regressionsmodelle aller Art mit R.

Interpretation von Ergebnissen

Beitragvon kleinersven » Di 12. Mär 2019, 18:57

Hallo liebes Forum,
ich bin ganz neu in R und mein Ziel ist es, Reaktionszeiten bzw. die "corr_incorr" (kategoriable Variable 0 oder 1) zu prädizieren anhand linear gemischter Modelle. Außerdem wird noch der Faktor "emo" eingebaut, wobei es sich um eine kategoriable Variable handelt (1 oder 2).
Ich habe alle Daten in SPSS Tabellen und arbeite mit diesen in R (weil meine Arbeitsgruppe mit R arbeitet soll ich das auch tun).
Ich bräuchte nun Hilfe bei der Interpretation einiger Ergebnisse vor allem in Bezug auf Interaktionsterm, random slopes and intercepts und den linearen Modellen mit kategoriablen Variablen. Bei der Variablen "Steigung_T4_T6" handelt es sich um den Anstieg bzw. Abfall eines Fragebogen Scores zwischen den Zeitpunkten T4 und T6 bzw. T1 und T3.
Hier mein Output zu randon slopes und intercepts:
Formula: e$Reaktionszeit ~ 1 + e$Steigung_T4_T6 + e$emo + (1 + e$emo + e$Steigung_T4_T6 | sub) + (1 | cond)

AIC BIC logLik deviance df.resid
1320231.2 1320337.4 -660104.6 1320209.2 115220

Scaled residuals:
Min 1Q Median 3Q Max
-4.5227 -0.6603 -0.1076 0.5412 5.0688

Random effects:
Groups Name Variance Std.Dev. Corr --> Wie interpretiere ich hier die random effects??? Egal ob sie signifikant sind oder nicht, mir geht es um das
sub (Intercept) 2021.713 44.963 Prinzip
e$emo2-1 19.855 4.456 -0.17
e$Steigung_T4_T6 5.909 2.431 -0.46 0.46
cond (Intercept) 1658.784 40.728
Residual 5502.518 74.179
Number of obs: 115231, groups: sub, 107; cond, 2

Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 544.4610 29.3895 2.1813 18.526 0.00193 **
e$Steigung_T4_T6 -0.3839 0.6497 62.5335 -0.591 0.55670
e$emo2-1 7.4958 0.6139 106.3474 12.210 < 2e-16 *** -->bedeutet das hier, dass ein Anstieg von Emo von 1 auf 2 mit einem Anstieg der Reaktionszeit
--- um 7,49 verbunden ist? Auch hier, egal ob signifikant oder nicht, ich will das Prinzip verstehen
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
(Intr) e$S_ST
e$S_T4 -0.141
e$emo2-1 -0.018 0.117
convergence code: 0



Und hier ein Output zum Interaktionsterm

a$Reaktionszeit ~ 1 + a$Steigung_T1_T3 * a$corr_incorr + a$emo + (1 | sub)

AIC BIC logLik deviance df.resid
982447.3 982512.1 -491216.6 982433.3 77028

Scaled residuals:
Min 1Q Median 3Q Max
-5.5137 -0.5994 -0.0324 0.6409 4.2180

Random effects:
Groups Name Variance Std.Dev.
sub (Intercept) 10139 100.7
Residual 20081 141.7
Number of obs: 77035, groups: sub, 99

Fixed effects:
Estimate Std. Error df
(Intercept) 536.8179 14.0304 191.9981
a$Steigung_T1_T3 0.9159 1.9171 206.7196
a$corr_incorr1 91.2215 7.4998 76942.0891
a$emo2-1 7.4291 1.0214 76936.1378
a$Steigung_T1_T3:a$corr_incorr1 -0.9434 1.0702 76940.2419 --> "corr_incorr" ist ja eine kategoriable Variable (0 und 1), wie interpretiere ich diese Interaktion
t value Pr(>|t|) dann? Auch hier, egal, ob signifikant oder nicht, geht ums Prinzip.
(Intercept) 38.261 < 2e-16 ***
a$Steigung_T1_T3 0.478 0.633
a$corr_incorr1 12.163 < 2e-16 ***
a$emo2-1 7.274 3.53e-13 ***
a$Steigung_T1_T3:a$corr_incorr1 -0.882 0.378
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
(Intr) a$St_T1_T3 a$cr_1 a$m2-1
a$St_T1_T3 -0.537
a$crr_ncrr1 -0.531 0.316
a$emo2-1 -0.004 -0.003 0.007
a$S_T1_T3: 0.302 -0.555 -0.569 0.005

Hier der Output zu einer kategoriablen Variable (corr_incorr ist 0 und 1) die prädiziert werden soll:

a$corr_incorr ~ 1 + a$Steigung_T4_T6 + a$cond/a$emo + (1 | sub)

AIC BIC logLik deviance df.resid
72405.9 72482.5 -36194.9 72389.9 106072

Scaled residuals:
Min 1Q Median 3Q Max
-5.7871 0.1862 0.2288 0.2980 2.2099

Random effects:
Groups Name Variance Std.Dev.
sub (Intercept) 0.1486 0.3855
Number of obs: 106080, groups: sub, 102

Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.810492 0.051743 34.990 <2e-16 ***
a$Steigung_T4_T6 -0.005399 0.005550 -0.973 0.331 --> bedeutet das hier, egal ob signifikant oder nicht, dass wenn sich die Steigung von T4_T6 um einen
a$cond2-1 -3.075910 0.023933 -128.521 <2e-16 *** Faktor ändert, dass dann corr_incorr eher negativ wird also von 1 auf 0 geht????? Ich verstehe den
a$cond3-2 2.444619 0.025267 96.751 <2e-16 *** Zusammenhang nicht
a$cond1:a$emo2-1 -0.025567 0.039936 -0.640 0.522
a$cond2:a$emo2-1 0.014366 0.025003 0.575 0.566
a$cond3:a$emo2-1 0.011277 0.043360 0.260 0.795
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
(Intr) a$S_ST a$c2-1 a$c3-2 a$1:$2 a$2:$2
a$S_T4 -0.642
a$cond2-1 -0.075 0.003
a$cond3-2 0.088 -0.003 -0.283
a$cnd1:$2-1 -0.001 0.000 0.009 0.000
a$cnd2:$2-1 0.000 0.000 0.000 0.000 0.000
a$cnd3:$2-1 0.000 0.000 0.000 0.004 -0.001 0.000

Ich wäre über eure Hilfe so mega dankbar! :)
kleinersven
 
Beiträge: 4
Registriert: Di 12. Mär 2019, 18:14
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Zurück zu Regressionsmodelle

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 0 Gäste

cron